Pengira Kekerapan Perkataan
Dalam "the quick brown fox jumps over the lazy dog the end", perkataan "the" muncul 3 kali daripada 11 perkataan, iaitu 27.3%.
Cara guna
- Tampal atau taip teks anda.
- Tetapkan pilihan: abaikan huruf besar/kecil, langkau stop word bahasa Inggeris yang biasa, panjang perkataan minimum dan bilangan baris untuk dipaparkan.
- Baca jadual perkataan, bilangan dan peratusan. Salin sebagai CSV jika anda mahu membukanya dalam hamparan.
Cara kiraan
Perkataan dipecahkan dengan penyegmen perkataan Unicode pelayar (Intl.Segmenter), yang mengikut peraturan segmentasi teks Unicode. Tanda baca dan ruang dibuang, dan nombor dikira sebagai perkataan. Jika pelayar tiada penyegmen itu, peraturan yang lebih ringkas digunakan, iaitu rentetan huruf dan digit dianggap perkataan.
Setiap perkataan dikira, kemudian baris disusun mengikut bilangan dari tinggi ke rendah. Perkataan dengan bilangan sama disusun mengikut abjad.
Peratusan ialah bilangan sesuatu perkataan dibahagi jumlah perkataan yang dikira, didarab 100. Perkataan yang dibuang oleh senarai stop word atau panjang minimum tidak dikira, jadi peratusan sentiasa berjumlah sama ada atas perkataan yang tinggal.
Bahasa Jepun dipecahkan dengan peraturan berasaskan kamus dalam pelayar yang menyokongnya. Bahasa Korea dipecahkan pada ruang, jadi akhiran perkataan kekal bersambung, contohnya 고양이 dan 고양이를 ialah entri berbeza.
Soalan lazim
Adakah ia berfungsi untuk bahasa Korea dan Jepun?
Ya, teks dalam apa-apa tulisan dipecahkan kepada perkataan. Bahasa Jepun tiada ruang, jadi segmentasi berasaskan kamus pelayar digunakan dan keputusan boleh sedikit berbeza antara pelayar. Perkataan Korea mengekalkan partikelnya, jadi kata nama dan kata nama yang sama dengan partikel dikira sebagai perkataan berasingan.
Apakah stop word?
Perkataan bahasa Inggeris yang sangat biasa seperti the, and, of dan to. Membuangnya menjadikan perkataan bermakna lebih ketara. Senarai ini mengandungi kira-kira 100 perkataan dan hanya untuk bahasa Inggeris.
Adakah "Apple" dan "apple" perkataan yang sama?
Ya secara lalai, kerana perkataan ditukar kepada huruf kecil. Matikan Abaikan huruf besar/kecil untuk mengiranya secara berasingan.
Bagaimana singkatan seperti don't dikendalikan?
Ia dikekalkan sebagai satu perkataan. Apostrof melengkung ditukar kepada apostrof lurus supaya kedua-dua ejaan sepadan.
Adakah teks saya dihantar ke mana-mana?
Tidak. Pengiraan berlaku dalam pelayar anda.